C# 将文档解析成句子

我有一个问题对专家来说应该足够简单，但对我来说却非常神秘：）我想将文本（预处理，除了常规标点符号外没有特殊字符）解析成句子，并执行两个类似的任务：

---

对于每个句子，找出单词数（句子长度）。然后对于文档，找到平均句子长度。无需报告任何句子级输出。请注意，文档中包含大量专有名词，因此大写字母不一定表示句子的开头。但本文件中的句子通常以“，”，“！”或“？”结尾

对于每个句子，应用正则表达式模式。如果存在匹配项，则为句子指定一个值，例如1。对于整个文档，报告匹配项的数量。同样，只需要文档级输出

我想知道是否有办法做到这一点，最好是用C#或VB。任何帮助都将不胜感激

======================

示例段落：

This is an example of a paragraph! It contains three sentences? And the average sentence has many words. 

示例模式：

"three"

输出：

number of sentences-3.
Average sentence length-6.
Number of matches-1.

---

您可以根据句点（.）进行

拆分，这将为您提供一系列句子

string sentences[] = document.Split('.');

然后，您将根据“空格”对每个“句子数组”执行
拆分
，以获得字数

是的，然后使用正则表达式进行匹配。因为您没有指定要匹配的内容，所以我无法添加更多内容。
您可以根据句点（.）进行
拆分，这将为您提供一系列句子

string sentences[] = document.Split('.');

然后，您将根据“空格”对每个“句子数组”执行
拆分
，以获得字数

是的，然后使用正则表达式进行匹配。由于您没有指定要匹配的内容，因此我无法添加更多内容。
您可以使用以下方法获得一个句子（取决于您对句子的定义）：

还有一个词是：

[a-zA-Z]+

剩下的很简单-只需查看MSDN上正则表达式的文档。
您可以使用以下方法获得一个句子（取决于您对句子的定义）：

还有一个词是：

[a-zA-Z]+

剩下的很简单-只需查看MSDN上正则表达式的文档即可。
这应该可以：

string example =
    "This is an example of a paragraph! It contains three sentences? And the average sentence has many words.";

var splitExample = example.Split(new[] {'.', '!', '?'}, StringSplitOptions.RemoveEmptyEntries);

var matchExpression = new Regex("three");
double avgLength = splitExample.Average(x => x.Split(new []{' '}, StringSplitOptions.RemoveEmptyEntries).Length);
int sentences = splitExample.Length;
int matches = splitExample.Where(x => matchExpression.IsMatch(x)).Count();

这应该起作用：

string example =
    "This is an example of a paragraph! It contains three sentences? And the average sentence has many words.";

var splitExample = example.Split(new[] {'.', '!', '?'}, StringSplitOptions.RemoveEmptyEntries);

var matchExpression = new Regex("three");
double avgLength = splitExample.Average(x => x.Split(new []{' '}, StringSplitOptions.RemoveEmptyEntries).Length);
int sentences = splitExample.Length;
int matches = splitExample.Where(x => matchExpression.IsMatch(x)).Count();

但本文档中的句子通常以“.”结尾！，或“？”，啊，好的观点，然后你需要根据句号、问号或感叹号进行分割。虽然使用正则表达式可能会更快<代码>字符串句子[]=document.Split（新字符[]{'.'，'！'，'？'}，StringSplitOptions.RemoveEmptyEntries）。（
removeMptyEntries
表示省略号。）这可能仍然比正则表达式快。您还可以使用分隔符来拆分句子：
char[]分隔符={'！'，'.'，'？'}；string[]words=text.Split（delimiterCars）不令人讨厌，但是：
字符串语句[]=document.Split（新字符[]{'.'，'！'，'？'}，StringSplitOptions.RemoveEmptyEntries）
短于
System.Text.RegularExpressions.Regex re=new System.Text.RegularExpressions.Regex（“（\a|[\！\？：]）[^\！\？：]+”“但本文档中的句子通常以“.”结尾！，或“？”，啊，好的观点，然后你需要根据句号、问号或感叹号进行分割。虽然使用正则表达式可能会更快<代码>字符串句子[]=document.Split（新字符[]{'.'，'！'，'？'}，StringSplitOptions.RemoveEmptyEntries）。（
removeMptyEntries
表示省略号。）这可能仍然比正则表达式快。您还可以使用分隔符来拆分句子：
char[]分隔符={'！'，'.'，'？'}；string[]words=text.Split（delimiterCars）不令人讨厌，但是：
字符串语句[]=document.Split（新字符[]{'.'，'！'，'？'}，StringSplitOptions.RemoveEmptyEntries）
短于
System.Text.RegularExpressions.Regex re=new System.Text.RegularExpressions.Regex（“（\a|[\！\？：]）[^\！\？：]+”句子不会以逗号结尾。你的意思是句号吗？到目前为止，答案似乎没有说明十进制数字和缩写。一个句子不会以逗号结尾。你的意思是句号吗？到目前为止，答案似乎并不能解释十进制数字和缩写。用这种方法找单词是行不通的。你可能会用撇号、破折号或其他任何可能包含在一个单词中的东西计算错误。您可以将这些添加到角色集中并使用单词边界\b[^\s]+\b@Tony：这将匹配下划线、不间断空格和许多其他不需要的垃圾：）但这不是我的观点-他可以在那里放置任何字符，支持多种语言，允许数字，等等。“单词”的定义有点松散。对，我只是想表达，使用\b作为单词边界可能是区分单词开头和结尾的最佳方式。用这种方式查找单词是行不通的。你可能会用撇号、破折号或其他任何可能包含在一个单词中的东西计算错误。您可以将这些添加到角色集中并使用单词边界\b[^\s]+\b@Tony：这将匹配下划线、不间断空格和许多其他不需要的垃圾：）但这不是我的观点-他可以在那里放置任何字符，支持多种语言，允许数字，等等。“单词”的定义有点松散。对，我只是想表达，使用\b作为单词边界可能是区分单词开始和结束的最佳方式。